改进的光纤光栅温度传感网络加权融合算法收稿日期：2011-10-27基金项目：天津市自然科学基金资助项目(11JCYBJC00100)，天津市科技支撑计划（09ZCKFGX01400）袁其平(1962-),男，汉族，天津人，教授，主要从事移动通信方面的研究袁其平1，马磊明2，宋殿友1，童峥嵘2，杨秀峰2，曹晔2(1天津理工大学电子信息工程学院天津300384中国2天津理工大学计算机与通信工程学院智能计算及软件新技术重点实验室及薄膜电子与通信器件重点实验室天津300384中国)摘要：针对光栅传感网络数据加权融合中出现异常值会导致融合结果偏差较大的问题，在分析光栅传感系统中的噪声和干扰后，提出一种改进的自适应加权融合算法。该算法适用于观测数据不满足正态分布的情况，先对原始数据进行截尾加权融合，再以截尾融合结果代替异常值进行加权最小均方差融合，既充分利用了传感数据，也降低了融合算法的复杂度。在光纤光栅温度传感网络实验中使用该算法，其输出方差为0.0839，小于加权最小均方误差算法方差0.3839和截尾加权算法方差0.2542，证实了该算法可行性。关键词：光栅网络；数据融合；加权算法；异常值处理中图分类号：TP212.9文献标识码：A0引言光栅传感技术目前广泛应用于智能材料与结构中，如飞行器、空间站和建筑等ADDINEN.CITEADDINEN.CITE.DATA[1]。在工程应用中常采用波分复用等形式进行多点传感数据采集。根据采集信号目的的不同可以将多点传感数据采集分为两类，一类以扩大测量范围为目的，这种多点测量直接显示测量结果，不需要进行数据处理。另一类是在小范围内进行多点测量，其目的是利用多点测量数据得到一个综合测量结果[2]，这种测量又分为两种，一种是相同性质的传感信号采集，主要是采用多个传感器对某一参数进行测量，这种测量通过选择合适的融合算法提高测量准确度，使用的数据融合算法称为同质多传感器数据融合算法。另一种是对不同性质的传感信号进行采集，利用异质传感器信息的互补性进行推断从而得出结论，主要用于火灾报警和故障识别等领域，这类算法称为异质多传感器数据融合算法。这两种小范围多传感器测量都采用数据融合技术对测量数据进行处理以得到需要的结果。数据融合是传感器网络测量领域的研究热点[2]，是传感器网络化的关键技术。目前国内外的研究重点在多传感器异质数据融合算法上，但作为异质融合基础的同质多传感器数据融合算法也得到了广泛和深入的研究[3]。本文研究同质多传感器测量，即对单参量进行多点同时测量，然后在处理端对传感数据进行处理以得到可信度较高的传感估计值，该估计值的准确度可以通过增强传感器灵敏度来提高，但在灵敏度提高的同时传感器对干扰噪声等也更敏感，从而导致测量噪声分量大、结果不准确。要解决这个问题就需要依靠相应的数据融合算法[4]。由于光栅所在环境存在一定差别以及交叉敏感、解调错误等原因，传感输出数据有可能出现异常值，而常用的算法，如加权最小二乘算法和加权最小均方误差算法都假设观测数据服从高斯分布[5]，而没有充分考虑到传感中的异常值对观测数据的影响，这就使得融合输出值的可信度降低。针对光栅温度传感中交叉敏感、解调系统误差导致测量数据不服从正态分布而无法应用常用算法获得最优融合的问题，本文提出了一种改进的基于加权最小均方误差的同质传感数据融合算法，该算法采用二次融合，第一次融合利用截尾加权算法减小异常值对传感测量的影响，第二次融合使用加权最小均方误差算法充分利用传感测量信息以提高测量准确度。该算法不需要任何先验知识，仅依靠传感器输出的测量值就可以得到比常用加权融合算法均方误差小的融合结果。算法的优势还在于其运算简单，复杂度低，可以在低档单片机上实现，从而降低了数据融合算法实现的硬件要求，降低了工程成本。1多传感器加权融合分析及算法流程有个传感器对某一参数同时进行测量，设第个传感器输出观察数据为，其权重为，方差为，所以个传感器输出的数据融合结果为：(1)总均方误差为：(2)在最小方差准则下应取最小，并且注意到约束条件，可以应用拉格朗日数乘法。设，分别求对的偏导数并令其结果为0。可以得到：(3)注意到以上推导是以服从正态分布为假设的，所以在实际应用中对观测方程为的测量过程有比较好的融合效果，其中为零均值高斯噪声。但在实际测量中可能存在异常值ADDINEN.CITE<EndNote><Cite><Author>Su</Author><Year>2011</Year><RecNum>213</RecNum><DisplayText><styleface="superscript">[5]</style></DisplayText><record><rec-number>